不写代码本地微调大模型：Unsloth开源发布Studio训练平台

据 1M AI News 监测，开源模型训练加速工具 Unsloth 发布 Unsloth Studio（Beta），一个无代码的本地 Web UI，将模型训练、推理和导出整合进统一界面。Studio 支持在 Mac、Windows 和 Linux 上运行 GGUF 和 safetensor 模型，训练速度提升 2 倍，显存占用降低 70%，覆盖文本、视觉、语音合成和 Embedding 等 500 余种模型。核心功能包括：

1. Data Recipes：上传 PDF、CSV、JSON 等文件，通过图形化工作流自动生成训练数据集，底层由英伟达 DataDesigner 驱动
2. 无代码训练：支持 LoRA、QLoRA、FP8、全参数微调，实时监控训练损失和 GPU 利用率，内置 GRPO 强化学习（DeepSeek-R1 所用技术），可在消费级显卡上训练推理模型
3. Model Arena：两个模型并排对比输出，方便评估微调效果
4. 一键导出：支持导出为 GGUF、safetensors 等格式，直接用于 llama.cpp、vLLM、Ollama 和 LM Studio

Studio 完全本地运行，支持离线使用，不收集用户数据。训练需要英伟达 GPU（RTX 30/40/50 系列、Blackwell、DGX Spark 等），Mac 和纯 CPU 环境目前仅支持推理，MLX 训练即将推出。主库仍为 Apache 2.0 许可，Studio UI 部分采用 AGPL-3.0 许可。